最近又有厂里的老兄弟找我，说领导被某厂家的AI方案迷得五迷三道的，非要在半年内上马“全智能产线”。我问了几个问题：数据有吗？答：就几台PLC存了点历史，还经常不完整。传感器加了多少？答：没怎么加，觉得现有的够用。然后我回了一句：那不就是用AI算命吗？——算出来你敢信？

说实话，这几年人工智能在工业圈的热度，简直比三伏天的锅炉房还烫。可真正能落地的，屈指可数。为什么？不是技术不行，是基础太差。很多人把AI当成万能药，却忘了工厂是个实打实的物理世界。

模型再牛，也怕脏数据

讲个真事儿。去年帮一个汽车零部件厂做设备预测性维护，前期调研时他们拍胸脯说“数据管够”。等我们拉回来一看——好家伙，温度值有好几个负几百度的，振动数据全是一条直线（后来发现传感器早坏了，但没人管），停机记录和实际对不上。我问现场师傅，老师傅抽了口烟：“这东西嘛，有时候报个错我们敲一下就正常了，哪记得改记录。” ❗

这就是现实。工业数据三大原罪：缺失、漂移、不一致。你拿着这种数据去训练模型，再牛的算法也白搭。很多人喜欢拿Kaggle竞赛那套直接套，但真实工厂里没有一个干净的数据集等着你。数据治理才是硬骨头，而且是个又脏又累的活儿，没什么酷炫的。

制造业设备传感器安装与数据采集现场

所以后来我们花了两个月，光搞传感器加装和数据清洗。加了一堆振动、温度、电流传感器，每个点位都得跟老师傅确认——人家一句话就让你绕半天，“那个轴承箱你装侧面，别装顶上，顶上油污多，过两天就糊住了。” 这就是经验，AI不懂这个。

问：我们厂里数据很少，能搞AI吗？

答：能，但悠着点儿。数据少就别一上来整高深的深度学习，老老实实从规则引擎、阈值报警开始。先让数据积累起来，同时做好物理建模——很多设备的失效模式是有物理规律的，用仿真加实测，比盲目用黑箱模型靠谱。记住，小数据有小数据的方法，而且往往更经济。

从云端跌回边缘端

前些年大家一股脑儿上云，什么数据都往云端送，觉得上了云就智能化了。结果呢？工厂里网络不稳定、延迟高、数据量爆炸，传几个高清视频画面上云，半天才回来一个结果，产线都停了等着吗？真是哭笑不得。

于是浪潮又往回卷——边缘计算火了。说白了，就是在产线旁边放个工控机或者网关，推理就近完成，毫秒级响应。这玩意儿不是新概念，但这两年因为AI芯片的加持，边缘端跑模型越来越能打。

工业边缘计算AI推理盒子现场部署图

💡 注意一个坑：很多边缘计算盒子号称多强，但你得看它支持的协议——Profinet、EtherCAT、Modbus TCP这些工业协议才管用。之前测过某大厂的产品，连个OPC UA都连不利索，最后还不是得自己写驱动。

还有一个现实问题：模型更新。云端训练好模型，怎么部署到几百个边缘节点？全靠人工拷贝不是办法。所以现在靠谱的方案是“云边协同”：云端负责模型的持续优化（当然要喂新数据），然后通过OTA（空中升级）推送到边缘端。听起来简单，做起来全是坑——版本管理、回滚机制、断点续传，哪个细节没弄好，工厂就得停。

问：既然边缘端能跑，那还需要云吗？

答：当然要！云是大脑，边缘是手脚。你不可能在每个边缘节点上搞大规模训练，GPU集群那个电费工厂扛不住。云端负责慢节奏的、计算密集型的任务，比如模型训练、分析报告生成、跨产线的协调优化。而边缘端做实时的推理和快速反应。分工要清晰，别混为一谈。

不要迷信“全自动”

业内很流行一个词：无人工厂。听着很美，但实际呢？人工智能在工业里的最优定位，不是替代人，而是辅助人——尤其是那些经验丰富的老师傅。你让AI去模仿老师傅听音辨位？难。但你让AI把老师傅的经验数字化，变成一个个即时推送的建议，这是可行的。

比如我们做过的一个案例：在装配线上，用一个简单的视觉系统检查螺栓拧紧顺序。以前工人偶尔会漏拧，现在摄像头一拍，AI判断顺序是否正确，不对就声光报警——简单实用，比搞什么“全自动机器人”靠谱多了。投入产出比高，工人们也不抵触，反而觉得有了双电子眼帮忙。

现在很多概念被过度炒作，动不动就数字孪生、元宇宙工厂。不是说不该搞，而是得掂量一下家底。连基础数据采集都没做扎实，搞那些虚的有啥用？工业讲究的是可靠性、成本和实效。一个东西没在厂房里跑上一年半载，你敢把身家性命押上去？

问：人工智能项目失败率很高，怎么提高成功率？

答：核心就一句话：从小处着手，解决真问题。别一上来就搞全厂级的“智慧大脑”，先从一条产线的一个工序切入。比如某个设备的故障预测，某个环节的视觉质检。跑通了，拿到投资回报率的证据了，再慢慢铺开。另外，一定要让一线的班长、老师傅参与进来——他们才是用的人，抵触就没戏。还有，别信厂家的PPT，多去看看实际案例，最好能到已经在用这个方案的工厂实地聊聊，听听真话。

最后再说句掏心窝的话：人工智能是好东西，但前提是工厂的数字化基础得跟上。传感器、网络、数据治理、业务流程梳理，这些脏活累活省不了。跳过它们直接上AI，十有八九是空中楼阁。下次有人再跟你吹嘘他们的黑灯工厂方案，先问他三个问题：你们的数据治理方案是什么？边缘端的时延能保证多少？有没有在类似产线上跑过半年的案例？问完，可能对方就开始顾左右而言他了。

好了，今天先扯这么多。有空再聊点具体的，比如怎么选AI芯片、怎么搞数据标注。